Bỏ qua đến nội dung chính
Mục lục

np.arange() và np.linspace() trong NumPy: tạo dãy số

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 3/23 · Chương 2

Mảng và tư duy vector

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

np.arange() và np.linspace() trong NumPy tạo một mảng dãy số cách đều mà không phải gõ từng số: np.arange() đi theo bước nhảy bạn chọn, np.linspace() chia một đoạn thành đúng số điểm bạn muốn. Bạn cần chúng mỗi khi có một dãy như 12 tháng trong năm, các mốc giá 0, 25.000, 50.000 đồng, hay các mức giảm giá từ 0% đến 30%.

Cần biết trước: mảng NumPy và range().

np.arange(): dãy số theo bước nhảy

np.arange() nhận các tham số giống hệt range(): cận đầu, cận cuối, bước. Khác ở chỗ nó trả về một mảng NumPy, nên bạn tính tiếp trên cả dãy ngay được:

python
import numpy as np

thang = np.arange(1, 13)
print(thang)
print(np.arange(5))
print(np.arange(0, 100001, 25000))
print(np.arange(10, 0, -3))

KẾT QUẢ

[ 1  2  3  4  5  6  7  8  9 10 11 12]
[0 1 2 3 4]
[     0  25000  50000  75000 100000]
[10  7  4  1]

Dòng đầu là 12 tháng. Một tham số (np.arange(5)) nghĩa là bắt đầu từ 0, bước 1. Bước 25000 cho các mốc giá; cận cuối 100001 để mốc 100000 có mặt. Bước âm đi lùi: từ 10 xuống, dừng trước khi chạm 0.

Đổi 25000 thành 20000 rồi chạy lại: dòng thứ ba in [ 0 20000 40000 60000 80000 100000].

Cận cuối không được lấy

Giống range(), np.arange() dừng ngay trước cận cuối. Quên điều này là lỗi hay gặp nhất của hàm.

Quy tắc đếm: với bước 1, np.arange(a, b) có đúng b - a phần tử. Với bước khác 1, dễ nhất là in ra mảng hay len() của nó thay cho tính nhẩm.

Bước số thực: số phần tử khó đoán

np.arange() nhận cả bước số thực, như 0.1. Nhưng số thực trong máy tính chỉ gần đúng: 0.1 cộng ba lần không ra đúng 0.3. Vì vậy, với bước số thực, np.arange() có thể lấy luôn cận cuối, hay hụt một phần tử, tùy sai số rơi về phía nào.

Bài số thực giải thích vì sao 0.1 không được lưu đúng tuyệt đối.

np.linspace(): chia đoạn thành số điểm cho trước

np.linspace(a, b, n) đặt n điểm cách đều nhau từ a tới b, có cả hai đầu. Bạn không chọn bước; NumPy tính bước sao cho đủ n điểm. Quán muốn bảy mức giảm giá từ 0% đến 30% cho chương trình thẻ thành viên:

python
import numpy as np

muc_giam = np.linspace(0, 30, 7)
print(muc_giam)
print(np.linspace(0, 30, 6, endpoint=False))
print(np.linspace(7, 22, 6))

KẾT QUẢ

[ 0.  5. 10. 15. 20. 25. 30.]
[ 0.  5. 10. 15. 20. 25.]
[ 7. 10. 13. 16. 19. 22.]

Bảy điểm từ 0 đến 30 cho bước 5, và 30 có mặt. Thêm endpoint=False thì điểm cuối bị bỏ, giống np.arange(). Kết quả của np.linspace() luôn là số thực (5. là 5,0 viết gọn), kể cả khi mọi điểm là số tròn. Dòng cuối chia giờ mở cửa từ 7 giờ đến 22 giờ thành sáu mốc kiểm kho cách đều.

Chọn np.arange() hay np.linspace()

Hai hàm làm cùng một loại việc, nhưng bạn đưa vào hai thông tin khác nhau:

Bạn biết

Dùng

Ví dụ

Cận cuối

Bước nhảy

np.arange()

tháng 1 đến 12, mốc giá cách nhau 25.000 đồng

không lấy

Số điểm

np.linspace()

bảy mức giảm, 100 điểm để vẽ một đường cong

lấy, trừ khi endpoint=False

Dãy số nguyên (tháng, số ly, chỉ số) thì dùng np.arange(). Dãy số thực, hay khi số phần tử phải đúng (12 mốc, 100 điểm trên trục x của biểu đồ), thì dùng np.linspace(). Khi vẽ đồ thị ở tutorial Matplotlib, bạn sẽ dùng np.linspace() nhiều nhất.

Kiểm tra nhanh

  1. Sau import numpy as np, print(np.arange(2, 11, 3)) in ra gì?

    • [2 5 8]
    • [2 5 8 11]
    • [ 2 5 8 11 14]
  2. Sau import numpy as np, print(np.linspace(0, 1, 5)) in ra gì?

    • [0. 0.2 0.4 0.6 0.8]
    • [0. 0.25 0.5 0.75 1. ]
    • [0 1 2 3 4]
  3. Sau import numpy as np, len(np.arange(1, 12)) cho kết quả gì?

    • 12
    • 11
    • 13
  4. Bạn cần đúng 12 mốc cách đều từ 0 đến 1, có cả 0 lẫn 1. Những dòng nào cho đúng dãy đó?

    • np.linspace(0, 1, 12)
    • np.arange(0, 1, 1 / 11)
    • np.arange(12) / 11
    • np.arange(0, 12)
Đúng hết lần đầu +15 XP

Bài tập

Lập bảng giá theo số ly

Quán in một bảng giá dán ở quầy: mua 1 ly, 2 ly, … cho tới so_ly_toi_da ly thì trả bao nhiêu. Viết thân hàm bang_gia(gia_ly, so_ly_toi_da): phần tử thứ nhất là giá 1 ly, phần tử cuối là giá so_ly_toi_da ly. so_ly_toi_da có thể là 0, khi đó bảng rỗng.

Dùng np.arange(), không dùng vòng lặp for.

Trả về: thành tiền cho 1 đến so_ly_toi_da ly, theo thứ tự tăng dần, một ndarray.

Ví dụ bang_gia(29000, 4) cho [ 29000 58000 87000 116000].

python
import numpy as np


def bang_gia(gia_ly, so_ly_toi_da):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • np.arange(a, b, buoc) đi từ a theo bước buoc, dừng trước b; một tham số thì bắt đầu từ 0.

  • Với bước 1, np.arange(a, b) có b - a phần tử; muốn có b thì ghi b + 1.

  • Bước số thực làm số phần tử của np.arange() khó đoán, có khi lấy cả cận cuối.

  • np.linspace(a, b, n) cho n điểm cách đều, lấy cả a lẫn b, luôn là số thực.

  • Biết bước thì dùng np.arange(); biết số điểm hay cần dãy số thực thì dùng np.linspace().

Câu hỏi thường gặp

np.arange() khác range() thế nào?

range() cho một dãy để vòng lặp đi qua, chỉ nhận số nguyên; np.arange() trả về một mảng NumPy, nhận cả số thực, và tính tiếp trên cả mảng được (np.arange(1, 13) * 2). Tham số của hai hàm giống nhau, kể cả quy tắc cận cuối, như bài range() mô tả.

Có cách nào cho np.arange() lấy luôn cận cuối không?

Không có tham số nào cho việc đó. Với số nguyên, cộng thêm một bước vào cận cuối. Với số thực, dùng np.linspace(): nó lấy cận cuối theo mặc định, và endpoint=False thì bỏ.

Tạo dãy số nguyên bằng np.linspace() được không?

Được về giá trị, nhưng kết quả là số thực. Muốn mảng số nguyên thì dựng bằng np.arange(), hay đổi kiểu bằng astype(int), cách bài shape và dtype dạy.

Tạo mảng toàn số 0 hay toàn một số thì dùng hàm nào?

Không dùng hai hàm này. NumPy có hàm riêng cho mảng có sẵn một giá trị: bài np.zeros(), np.ones(), np.full() dạy cách tạo mảng như vậy để điền dần kết quả.

Chủ đề

numpy arange

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập